利用深度学习与卫星/仿真数据提高热电站 CO2 排放估计精度
计算机视觉与模式识别
2025-02-05 v1 图像与视频处理
摘要
热电站的 CO2 排放作为重要的超级排放源，对全球变暖贡献巨大。准确量化这些排放对于有效的气候减缓策略至关重要。虽然卫星基准逆算提供了有前景的方案，但数据限制和大气条件的复杂性带来了挑战。本研究通过 (a) 整合来自 Sentinel-5P 的 NO2 数据，生成连续的 XCO2 地图，并针对数据稀缺地区的71个热电站整合来自 OCO-2/3 的真实卫星观测数据；以及 (b) 采用能够处理多样化时空分辨率的定制 U-Net 模型进行排放率估计。我们的结果表明，与先前方法相比，排放率精度显著提高。通过利用这一增强方法，我们可以实现对主要 CO2 排放源的近实时、精确量化，支持环境保护并为监管框架提供支持。
引用
@article{arxiv.2502.02083,
title = {Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data},
author = {Dibyabha Deb and Kamal Das},
journal= {arXiv preprint arXiv:2502.02083},
year = {2025}
}